MICN: Multi-skaliges Isometrisches Convolutional Network für Langzeit-Zeitreihenprognosen
MICN (Multi-scale Isometric Convolution Network) ist eine Faltungsnetzwerkarchitektur für Langzeit-Zeitreihenprognosen, die von Huiqiang Wang und Kollegen auf der ICLR 2023 vorgestellt wurde. Die zentrale Idee ist, sowohl lokale temporale Muster als auch globale saisonale Abhängigkeiten gleichzeitig durch mehrskalige isometrische Faltungen in Kombination mit einem Merge-Attention-Mechanismus zu erfassen, was eine effiziente und ausdrucksstarke Modellierung komplexer zeitlicher Dynamiken ohne die quadratischen Kosten der vollständigen Selbst-Aufmerksamkeit ermöglicht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Wang, H., Peng, J., Huang, F., Wang, J., Chen, J., & Xiao, Y. (2023). MICN: Multi-scale local and global context modeling for long-term series forecasting. ICLR. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). MICN (Multi-scale Isometric Convolution Network). ScholarGate. https://scholargate.app/de/deep-learning/micn
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- SCINet: Sample Convolution and Interaction Network für ZeitreihenprognosenDeep Learning↔ compare
- TimesNet: Temporale 2D-Varianzmodellierung für ZeitreihenDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →